Praeita kova · 2025-01-11 UTC
AI Agent Development Frameworks Susirėmimas — 2025 m. sausio 11 d.
Iš AI Agent Development Frameworks kategorijos. 38 įvertinimai pateikti tarp 10 kovotojų. Mastra laimėjo vainiką.
Galutiniai rezultatai
Dalyviai
Kovotojai
Kiekvieno šioje kovoje dalyvavusio įrankio profiliai, surikiuoti pagal galutinį rezultatą.
Mastra
Atvirasjo TypeScript sąrašas programavimo ai agentai, sraigtai, ATR, atmintis ir MCP su galimybe pasinaudoti ir internetiniu studiju bei išvados centru.
Mastra yra atviroji TypeScript ramsa, sukurta įgyvendinti AI jėgas turinčias taiklas ir agentus. Ji teikia rinkinį priemonių programuočiui greitai perėiti nuo idėjos iki implementavimo – agentus, darbo sritys, atmintį, darbo erdves ir stebėjimo priemones. Mastra integruojasi su daugelį front-end ir back-end ramsių ir gali būti paleista kaip stovi serveris. Ji leidžia programuočiams kurti įvairius dalykus, kaip internų aparatines agentų, klausytojų priklausančius agentus ir daugiau. Mastra įeina į rinkinį priemones kaip pilną priežiūros funkcijon, kartojamų patikrinimų, bei galimos pakartoti sroves priemones. Ji yra sukurta prisitrenkioti greitai augančiam pramoninio biuro darbuose bei didelėms pasaulinėms organizacijoms. Mastra architektūra pagrįsta agentai, kurie gali būti apibrėžti instrukcijomis, modeliais, priemones ir bei vykdomoji elgsena. Agentai gali ryšiui sąsiai su naudotojais, atlikti užduočių bei perduoti produktų srautus. Pasirašę sistema įeina įrengtą įvykių sistemą bei sistema, kurio jei įvykius publikuoja ir registruoja su Redis Stream ir Google Cloud Pub/Sub. Mastra turi ryškų ekosisteminį išteklį, įskaitant knygas, įrašus, ir gidas. Turi didelę sąjungą naudotojų ir labai plačiai pradėta naudoti įvairiose pramones sferose.
Kriterijų išskirstymas
- Atstovai
- Sraigtų
- Atminties
- Darbuvų
- Išvados
- Gamtinis reaguojimo sistema
AI Legion
Atvira platforma žemiau šaltinių sukūrimui nepriklausomų AI agentų, kurie bendradarbiauja, kad įvykdytų užduotis.
AI Legion yra atvirojo kodo platforma, skirta sukurti autonomiškų AI agentų, kurie bendradarbiauja, vykdydami užduotis. Jis naudoja didelus žmogaus kalbos mokslo modelius, kaip GPT-3.5-turbo ir GPT-4, leidžiantiems agentams dirbti kartu ir ieškoti komplikacijų, kurias siekti. Šis platforma teikia struktūrą sudaryti ir valdyti šiuos agentus, įskaitant konfigūracinio failo, API ir sandorio rėmėjų. AI Legion yra projektas, kuris praturtinamas ir konfigūruojamas, leidžiant naudotojams sukurti ir integruoti jos savitas modelius, akcijas bei savybes. Ši platforma tinkama daugelyje naudojimo atvejų, įskaitant mokslines tyrimus, vystymą bei paleidimą autonomiškų AI sistemų. Sukurimo AI Legion aplinkoje procesas susideda iš įreikių įdiegimo, pvz., Node.js bei OpenAI API klavių instalavimo. Vėliau agentai gali būti paleisti bei valdomi per konsole. Platformoje taip pat yra įrankiai užtikrina agento būsenos valdymą, pvz., galimybės ištrinti įvykių žurnalą bei perkonfigūruoti agentus, naudodami pridedamas parametrus. AI Legion yra stiprus priemonė, skirta sukonstruoti ir pristatyti nepriklausomonis švietėjos sistemas, ir jos atvakarinių technologijų natūra padeda juos prieinamus plačiai auditorijai. Tačiau ji taip pat reikalauja daugybės technologijų specialistų žinų ir konfiguravimo pastangų, kad galėtų būti sukurtas ir naudojamas efektyviai. Vienas iš pagrindinių naudingųjų galimybių "AI Legion" yra jo galimybė leisti agentams mokytis ir adaptuotis laiku, naudojant mašininio mokymosi ir žinių grafo technikas. Tai leidžia agentams gerinesi savo įvestį ir sprendimo priėmimo galimybes, kuo daugiau jie susijungia su aplinka. Tačiau AI Legion taip pat atlieka kelias problemas ir ribo, tarp kurių yra reikia padidintų konfigūracijos ir valdymo pastangų, agento klaidų ir besišalinantis siuntimų rizikos, bei didelio žodžių skaičiaus ir API naudojimo sąmokėlių. Dar taip, didelių kalbų modelių naudojimas gali kėlit iššūkius apie nuosakumo nusiklonimą ir tikslumą. Remianti iš specifinių priemonių, AI Legion apima palaikymą sąrašo išžiūrų, skirtų paieskos mašinų ir API, bei galimybę valdyti agentų būseną ir išjungti agentus su sąrašo išžiūrovės konfigūracijomis. Platforma labai paprasta pridėti, leidžiant naudotojams kuris ir taip integruoti savo modelius, veiksmus ir savybes. Šiame projekte galimos yra tokios AI Legion vartojimo sritys, kaip autonominių AI sistemų tyrinėjimas ir platinimas, AI galiomis papildytų darbų procesų bei procesų implementacija, bei custom ai sprendimus bei taikomuosius programinės įrangos projektų kūrimas. Vis didžiau, AI Legion yra galingas ir pritaikymų galimybių turintis platforma autonomišųjų AI sistemų kūrimui ir pristatymui, tačiau jos naudojimui efektyviai reikia didelio technologinio gebėjimo ir sąrankos pastangų.
Kriterijų išskirstymas
- Web paieška
- Kiekviena paieška
- API ir webhook'ų integravimas
- Agentų valdymas
- Modelį ir veiksnių įdiegimas
- Žinyno grafas ir mašininio mokymosi galimybės
AutoML-Agent
Asmeniniška, atvira šaltinio plataforma, kuri automatiza visą nuo pirminio kalbos modelio automato iki pabaigos mokslo tyrimo grandinę.
AutoML-Agent yra atvirojo kodų frameworkas, kuris naudoja koordinuojamų didelės langažo modeliaus agentų sąveiką, kad tvirtintų visą mašininės mokymosi ciklą. Ne kartojantis į vieną modelį ar skriptą, jis deleguoja užduotis kaip duomenų supratimą, prieskalbimą, modelio pasirinkimą, mokymą ir įvertinimą už specializuotus agentus, kurie bendradarbiauja vieno tikslus. Šis framework skirtas tyrinėtojams ir programuotojams, kurie nori automatizuoti eksperimentus, nedirbant per daug sąrašo kodu. Aprašęs duomenų tašką ir tikslą natūralioje kalboje, vartotojai daugikai teikia agentų, kurie siūlysia, kuria kandidatų schemų variantus, pristatant rezultatus ir argumentus kelionėje per juos. Kadangi yra atvira įranga, AutoML-Agent gali būti papildoma tiesioginio sąsajos (API) arba bibliotekoje (SDK) sugebėjimų pridėjimu, taip pat modifikacija modelio gali būti pritaikyta ne tik praktinei automatinei mokymosi sistema (AutoML) kurti, bet ir išbandyti tyrinėjimams daugiaso agentų sandorių.
Kriterijų išskirstymas
- Koordinuojami, daugiai agentų kalbos modelio vadyba
- Automatiškas duomenų išbereinimas ir savybių valdymas
- Modelio išrinkimas ir hiperparametro ženklinimas
- Treniravimo ir vertinimo grandinės generavimas
- Natininis žodžių užduočių aprėpimas
- Paplotos architektūros galimybė pasitarti specializuotais agentais
Cerebrum: AIOS SDK
SDK užklausų LLM-baziniams AI agentams sukuriamui ir deployment į AIOS sąranką.
Cerebrum - tai SDK užklausims LLM-baziniams AI agentams sukuriamui ir deployment į AIOS (AI Agent Operating System) sąranką. AIOS adresuoja įškasenus istorijas, pvz., dalių tvarkymą, konteksto keitimą, atminties valdymą ir priemonių valdymą LLM-baziniems agentams. Cerebrum SDK leidžia kūrėjams sugebėti būti agentų aplikacijų būsena bei vykdymas perinteryndamas AIOS sąranką. Šis SDK palaiko ir Web UI bei Terminal UI. SDK taip pat iškviečia sąnašų parinkimai LLM, agentams bei priemonėms, bei priklausomumo agentų ir priemonių parsisiuntimui bei parsisiuntimui bei vykdymui. Cerebrum sukuramas agentų vartotojams bei kūrėjams, leidžia juos sukurti bei įgyti AI agentų aplikacijas.
Kriterijų išskirstymas
- Agentų kūrimas ir deployment
- LLM-bazinių agentų valdymas
- Web UI bei Terminal UI palaikymas
- Agentų bei priemonių valdymas
- Prašoma sąnašų parinkimai LLM, agentams bei priemonėms
- Agentų bei priemonių parsisiuntimai bei parsisiuntimai bei vykdymai
Gemma 3
Atviras skaičiavimo modelis, specialiai optimizuotas vieno-GPU atliekamumo, remiantis keičiamomis įvestimis ir virš 140 kalbų.
Gemma 3 yra kolekcija lengvų, aukštos technologijos atvirų modelių, kurie gali būti paleisti įrenginiuose, ypatingai suderinti vieno GPU atliktiems uždaviniams. Ji palaiko daugialypio įėjimų ir virš 140 kalbų. Modelis yra gautas įvairių dydžių (1B, 4B, 12B ir 27B), taip leidžiant kūrėjams pasirinkti geriausią atitikimą savo įrenginių ir bei atlikti uždavinio reikalavimams. Gemma 3 siūlo papildomų tekstų ir vaizdų priežodžių galią, 128k-tokeno konteksto langą bei funkcijos apieškinimą kompleksiems uždaviniams. Taip pat ji yra įskaityta versijų, padeda greitesniems atliktiems performanciam ir sumažintiems skaičiuosiuos reikalavimams. Šis modelis yra dalis Google įsipareigojimo padėti prieinamiems ir naudingiems AI taiklomis, ir siekia atnaujinti tos pačios mokslo bei technologijos, kuria parengti Geminio 2.0 modeliai. Gemma 3 yra suprojektuota leist vietoje kūrėjams sukurti AI taiklą, kuris gali būti paleistas tiesiai įrenginiuose, tokiuose kaip telefonai, kompiuterių, bei darbuviuose stalą. Gemma 3 tiesiogiai užbauna aukščiausiąją performanciją savo dydžiui, prilygojusi kitoms modeliams, kaip Llama3-405B, DeepSeek-V3 ir o3-mini, preliminariaisiais žmogiškiuiais paklusnumo įvertinimais. Ji leidžia globalines paskirties programos tiesiogiai nuo įrankių, su parametrais iš sąrašo paremtas darbas virš 35 kalbų ir pripraesta parametrinis palaikymas virš 140 kalbų. Programa leidžia sukurti funkcijų sąlygas ir struktūrines išvesties parametrines programos, naudojantis ją, aparatinių programų kūrimui. Sukuriant Gemma 3, buvo pasitelktos rigingos saugumo protocols, tokiuose kaip platus duomenų valdymas, saugumo politika prijungimo fine-tuningas, bei stiprus benchmarko įvertinimai. Gemma pagrindinės atviro kodo modelio šeima išlaiko rimtą pasklidimą, su virš 100 mln. atspausdinimų ir gyvu komandomis, kurios sukūrė daugiau nei 60 000 unikalių Gemma variantų. Gemma 3 priemonės padeda tai, kad ji patenka tinkamus programėžių kūrėjams, kurie nori sukurti trąškingas naudotojo patirtį, kuris gali atrodyti vieno GPU arba TPU hosto.
Kriterijų išskirstymas
- Šalies modelių palaika
- Švarumo užsikčių išklausymas
- Šalies modelių ištobulėjimas
- Virš 140 kalbų palaikymas
- Atliekamumo padidėjimas
MiniMax‑M1
Atviriškas didelio masto išvados modelis su 1 mlrd. žodžiokonteksto ir mėginamųjų ekspertų junginamąja architektūra.
MiniMax-M1 yra atviro sverio, milžiniškais matmenimis.hybridinės dėmesio prieštarinimo modelis. Ji gali veikti per mišries MoE (Mixture-of-Expert) architektūrą bendraujant su švyturinės dėmesio mechanizmu, leidžiantis efektyvią šalinio kompiuterio išplečiavimo. Modelis natyviai parametrizuoja kontekstą iki milijono ženklų ilgį ir kuriama naudojant milžiniškus stiprintuosius mokymasi suvokimui ( RL ) dažnymis klausimais. Ātina išgyventi kitus stiprius atviro sverio modelius daugiašalio programavimo, programa naudojimo, ilgų konteksto užsiėmimus ir kitų labai komplikuotas uždavinių atveju. Įvykiai standartiniuose benchmarkuose rodo, kad MiniMax-M1 praeina kitus modelius kategorinėse užduočių kategorijose kaip matematika, programavimas, programinės įrangos inžinerija, agentų naudojimo įrankiai, ir ilgalaikės konteksto supratimuas. Modelis savo prasmėms labiausiai tinka kompleksiniems užduotims, kurie užtrunkantiems įvestiems duomenims ir giliai suprasti juos reikalauja. MiniMax-M1 sieina pagrindą naujos kartos kalbos modelių agentams išreikšti savo mintis ir spręsti tikrų pasaulio šūkius. Palyginantis bendruomenės vartojamuose ir atvirose svorio modeliose, skirtose skirtingoms kategorijų uždaviniams, rodymas, koks didelis yra modelio gebėjimas. Techninis ataskaita pateikia daugiau informacijos apie modelio architektūrą, trejnąją metodiką ir įvertinimo rezultatus.
Kriterijų išskirstymas
- Mėginamųjų ekspertų (MoE) junginamosios architektūros
- Gaisinio dėmesio mechanizmas
- Reinforcemento mokymasi (RL) skalytinis schema
- Milijono žodžių konteksto ilgumas
- Efektyvioji išvados laiko kompiuterio skalėjimo galimybė
ScreenAgent
Atviroji-VLJ agentas, kontroliuojantis kompiuterio GUI per mygtukų ir klaviatūros planavimą ir vykdymą.
ScreenAgent yra atvirojo kodo Visual Language Model (VLM) agentas, kuris sukurtas kontroliuoti kompiuterio GUI naudojantis mygtukų ir klaviatūros veiksmais. Tai leidžia interagavimą su realių kompiuterių ekranais per ekrano nuotraukų tyrimą ir veiksmai vykdytas. Projekto sudėlyje yra planavimo-vykdymo-įsigilinimo proceso, kuris veda agentą pabaigtą multi-veiksmių užduotis. Projektas sukurtas dėl šviko agentas kokybės mokymas naudot kompiuterius, reikalaujantis galimybių, kaip užduoties planavimas, nuotraukuojus ir vizualinis pozicijavimas. ScreenAgent duomenų bazę, besiželdančią įvairių kasdienų kompiuterių užduotis, manualiai anotavo palaikyti agentas mokymasi. Projekte yra klientas vadovaujantis desktop, duomenų bazė, modelio darbuotojai dėl prieintį, ir treniravimo kodas. Projektas palaiko pagrindines klaviatūros ir klaviatūros veiksnius ir gali būti taikytas įvairioms desktop operacinėms sistemoms ir programoms. ScreenAgent tikslai yra universalūs ir nepriklauso konkretiems API, dėl kurių tai yra paprastas.
Kriterijų išskirstymas
- Mygtukų ir klaviatūros veiksmai vykdyti
- Planavimo-vykdymo-įsigilinimo procesas užduotį baigti
- Vario desktop operacinėms sistemoms ir programoms
- Manualiai nuorodų ScreenAgent duomenų bazė ir įvairioms užduotims apimti
- VLM agentas GUI interakcijai
- API nepriklausymas
BabyBeeAGI
Skaistausi BabyAGI versija su užimtimi užduočių valdymu ir funkcionalumo papildymais.
BabyBeeAGI yra eksperimentinis maršrutavimo frameworkas, skirtas kūrime laisvių autoritetinių agentų. Tai sukurta kaip tęsinys iš pradžial iš 2023 m., kuris įvesta užduočių planavimą laisvių autoritetinių agentų. Pasitelkę naujausią 'functionz' funkcijų struktūrą, kurioje saugoma, valdoma ir vykdoma funkcijos iš bazės duomenų bazėje, bei užduočių, priklausomų funkcijų ir autentifikacijos slapties trakinimas grafine struktūra, kartu su automatišku įklimpa ir visapusiškomis registruotimo galimybėmis. Frameworke taip pat gaus daugiafunkcios lentelė laisvių autoritetinių agentų valdymui ir užtikrinkime funkciju koreliavimo, taip pat funkcijų, atnaujinimų ir logų peržiūros funkcionalumus. Projekto kūrėjuose siekiama sukurti tas nors geresnę funkcionalumą, kuri gali užtiktikėti kitus kurti laisvus autoritetinius agentus.
Kriterijų išskirstymas
- Veiklos registracija ir metadatu valdymas
- Priklausomųjų funkjsoniams trakimasis ir svarbiausios priklausomumos
- automatiškas įklimpimas ir registruotymas
- Lentelė laisvių autoritetinių agentų valdymui ir logų peržiūrai
MCP‑Use
Atvirojo platoformos priemonė, kuria LLMs galutinai sieja su MCP serveriais ir sukuria nuosavus AI agentus su tiesioginio įsijungimo prie jų galimybėmis.
mcp-use yra atvirojo kodo platforma, kuri tyleina Large Language Model (LLM) jungimą su MCP serveriais ir leidžia sukurti naudojamosio programos, kurios gali bendradarbiauti su šių LLM sistemomis. Platforma teikia pilną MCP aplanką (mcp-use SDK) ChatGPT programų, Claude prisijungimų ir MCP serverių sukūrimui. Su mcp-use, programuotojai gali naudoti vieningą kūdinį, kad paleistų savo priEMONES įvairioms vietose, kuriose vartotojai ir agentai jau darbo, tokiuose kaip ChatGPT, Claude bei Gemini. Platforma siūlo plačią spektrą priEMONŲ ir savybių, tokias kaip MCP taikomojo kūrimo pagrindų sudarymą vieno komandinio įsakymo metu, ataskaitų automatizuotą įkėlimą į Manufact Cloud bei įtaisytą analizų ir matomumo sistemą. Sukuręjas programinio kodo kūrėjai gali naudoti MCP-naudotojų SDK prieigas, kad sukurtų ir pristatytų MCP serverius ir programas be papildomų priemonių. Platforma taip pat pateikia Visual Inspector ir Sandbox testavimo galimybes, leidžiančias programinio kodo kūrėjams testuoti jos programas be gyvos LLM prieigos. mcp-use siekia paprastinti MCP-parengto programaės kūrimą ir implementavimą, tuo pačiu padėdamas programuotojams, siekiantių sukurti ir implementuoti personalizuotas AI agentai ir programas.
Kriterijų išskirstymas
- MCP serverių valdymas
- LLM prisijungimas ir integravimas
- Nuosavas AI agentų vystymas
- Automatinis išplauginimas ir skalė
- Visual Inspector ir Sandbox testavimas
- Integruota analizė ir observability
Rasa
Atvirųjų šaltinių frameworkas gaminti produkcijos lygio pokalbių ir balsų asistentių
Rasa yra pokalbių AI platforma, kurioje vystotojai gali kurti kontekstualiąsias pokalbių ir balsinio asistentų sistemų su pilna valia dėl duomenų, modelių ir išleidimo. Atviroji šaltinė Rasa tvirtuoja priemonę priimti natūralų kalbos supratimą ir dialgų valdymą, nors Rasa Pro papildo įmonių specifikų funkcijų tokias, kaip analitiką, saugumo valdymą ir skalabliškęs infrastruktūrą. Rasa Studio pateikia nereikalingos kodinės sąnaudos sąsajas, kurios leidžia dizaineriams ir pokalbio bendruomenėms bendradarbiauti treniuojančiame duomenimis, srautais ir testavimo procesu be rašymo programa. Visos šios priemonės sustojo kompleksų komandą tiesioginio palaikymo asistentų imtuvininkams, kartu ruošiantis užsakymą, komunikacija per žiniatinklio kanales, automatinę telefonų sistemą ir specializuotas programas. Šis priemonė dažnai naudojama verslus bankų, telefono operatorių, sveikatos apsaugos ir valstybės institucijų, kurie reikalauja vietoje serverių depalai, atitikimo sąlygų ir personalizavimo.
Kriterijų išskirstymas
- Naturaliųjų kalbų supratimo motorius
- Dialogų valdymas ir papildomi veiksmai
- Rasa Studio žemiau kodujo sąrangų sąrangos sąrangos sąrangos sąrangos sąrangos sąrangos
- Kalbų ir daugialenklių sąrangų sąrangų sąrangų sąrangos sąrangos sąrangoses sąrangos sąrangos
- Žodžių bei kalbų analizė ir patikrinimo sąrankos
- Įmonijos pagrindo saugumo bei implementacijos valdymo mechanizmai